注：本文翻譯自Google官方的Android Developers Training文檔，譯者技術(shù)一般，由于喜愛安卓而產(chǎn)生了翻譯的念頭，純屬個人興趣愛好。

原文鏈接： http://developer.android.com/training/cloudsave/conflict-res.html

在云存儲中保存和加載過程是很直接的：它只是將用于數(shù)據(jù)和byte數(shù)組之間的序列化轉(zhuǎn)換，并將這些數(shù)組存儲在云端。然而， 當你的用戶有多個設(shè)備，并且兩個以上的設(shè)備嘗試將它們的數(shù)據(jù)存儲在云端時，這一保存可能會引起沖突，因此你必須決定應(yīng)該如何處理。你在云端存儲的數(shù)據(jù)結(jié)構(gòu)在很大程度上決定了你的沖突解決方案的魯棒性，所以小心地設(shè)計你的數(shù)據(jù)，使得你的沖突檢測解決方案邏輯可以正確地處理每一種情況。

本片文章從描述一些有缺陷的方法入手，并解釋他們?yōu)楹尉哂腥毕荨Ｖ蟪尸F(xiàn)一個解決方案來避免沖突。用于討論的例子關(guān)注于游戲，但解決問題的宗旨是可以適用于任何將數(shù)據(jù)存儲于云端的應(yīng)用的。

一）. 沖突時獲得通知

OnStateLoadedListener 方法負責從 Google 服務(wù)器下載應(yīng)用的狀態(tài)數(shù)據(jù)。回調(diào)函數(shù) OnStateLoadedListener.onStateConflict 為你的應(yīng)用在本地狀態(tài)和云端存儲的狀態(tài)發(fā)生沖突時， 提供了一個解決機制：

      
        @Override


      
      
        public
      
      
        void
      
       onStateConflict(
      
        int
      
      
         stateKey, String resolvedVersion,

    
      
      
        byte
      
      [] localData, 
      
        byte
      
      
        [] serverData) {

    
      
      
        //
      
      
         resolve conflict, then call mAppStateClient.resolveConflict()
      
      
         ...

}
      
    

此時你的應(yīng)用必須決定要保留哪一個數(shù)據(jù)，或者它自己提交一個新的數(shù)據(jù)來表示合并后的數(shù)據(jù)狀態(tài)（譯者注：是不是有點像git/svn呢？），解決沖突的邏輯由你來實現(xiàn)。

我們必須要意識到云存儲服務(wù)是在后臺執(zhí)行同步的。所以你應(yīng)該確保你的應(yīng)用能夠在你創(chuàng)建這一數(shù)據(jù)的context之外接收回調(diào)。特別地，如果Google Play服務(wù)應(yīng)用在后臺檢測到了一個沖突，該回調(diào)函數(shù)可以在你下一次加載數(shù)據(jù)時被調(diào)用，而不是下一次用戶啟動該應(yīng)用時。

因此，你的云存儲代碼和沖突解決代碼的設(shè)計必須是和當前context無關(guān)的：即給兩個沖突的數(shù)據(jù)，你必須僅通過數(shù)據(jù)集中獲取的數(shù)據(jù)區(qū)解決沖突，而不依賴于任何其它外部環(huán)境。

二）. 處理簡單地情況

下面列舉一些沖突解決的簡單例子。對于很多應(yīng)用而言，用這些策略或者其變體就足夠解決大多數(shù)問題了：

新的比舊的更有效 ：在一些情況下，新的數(shù)據(jù)總是替代老數(shù)據(jù)。例如，如果數(shù)據(jù)代表了用戶選擇角色的衣服顏色，那么最近的新的選擇就應(yīng)該覆蓋老的選擇。在這種情況下，你可能會選擇在云存儲數(shù)據(jù)中存儲時間戳。當處理這些沖突時，選擇時間戳最新的數(shù)據(jù)（記住要選擇一個可靠的時鐘，并注意對不同時區(qū)的處理）。

有一個數(shù)據(jù)集中的數(shù)據(jù)比其它的更好 ：在一些情況下，我們是可以有方法在若干數(shù)據(jù)集中選取一個最好的。例如，如果數(shù)據(jù)代表了玩家在賽車比賽中的最佳時間，那么顯然，在沖突發(fā)生時，你應(yīng)該保留成績最好的那個數(shù)據(jù)。

進行合并 ：有可能通過計算兩個數(shù)據(jù)集的合并版本來解決沖突。例如，如果你的數(shù)據(jù)代表了用戶解鎖關(guān)卡的進度，那么解決的數(shù)據(jù)就是沖突集的并集。通過這個方法，用戶不會丟失任何他的游戲進度。這里的 例子 使用了這一操作的一個變形。

三）. 為更復(fù)雜的情況設(shè)計一個策略

一個更復(fù)雜的情況是當你的游戲允許玩家收集可以互換的東西時（比如金幣或者經(jīng)驗點數(shù)），我們來假想一個游戲，叫做“金幣跑酷”，一個無限跑步的角色其目標是不斷地收集金幣是自己變的富有。每個收集到的金幣都會加入到玩家的儲蓄罐中。

下面的章節(jié)將展示三種在多個設(shè)備間解決沖突的方案：有兩個聽上去很不錯，可惜最終還是不能適用于所有的場景，最后一個解決方案可以解決多個設(shè)備間的沖突。

第一個嘗試：只保存總數(shù)

首先，這個問題看上去像是說：云存儲的數(shù)據(jù)只要存儲金幣的數(shù)量就行了。但是如果就只有這些數(shù)據(jù)是可用的，那么解決沖突的方案將會嚴重受到限制。此時最佳的方案就是在沖突發(fā)生時存儲最大數(shù)值得數(shù)據(jù)。

想一下表一中所展現(xiàn)的場景。假設(shè)玩家一開始有20枚硬幣，然后再設(shè)備A上收集了10個，在設(shè)備B上收集了15個。然后設(shè)備B將數(shù)據(jù)存儲到了云端。當設(shè)備A嘗試去存儲的時候，沖突發(fā)生了。“只存儲總數(shù)”的沖突解決方案會存儲35作為這一數(shù)據(jù)的值（兩數(shù)之間最大的）

表1. 值保存最大的數(shù)（不佳的策略）

這一策略會失敗——玩家的金幣數(shù)從20變成35，但實際上玩家總共收集了25個硬幣（A設(shè)備10個，B設(shè)備15個）。所以有10個硬幣丟失了。只在云端存儲硬幣的總數(shù)是不足以實現(xiàn)一個魯棒的沖突解決算法的。

第二個嘗試：存儲總數(shù)和變化值

另一個方法是在存儲數(shù)據(jù)中包括一些額外的數(shù)據(jù)：自上次提交后硬幣增加的數(shù)量（delta）。在這一方法中，存儲的數(shù)據(jù)可以用一個二元組來表示（T, d），其中T是硬幣的總數(shù)，而d是硬幣增加的數(shù)量。

在這個結(jié)構(gòu)中，你的沖突檢測算法在魯棒性上有更大的提升空間，如下將要講的那樣。但是這個方法還是無法給出一個可靠的玩家最終的狀態(tài)。

下面是包含delta的沖突解決算法過程：

• 本地數(shù)據(jù)： （T, d）
• 云端數(shù)據(jù)： （T', d'）
• 解決后的數(shù)據(jù)： （T'+d, d）

例如，當你在本地狀態(tài)（ T, d ）和云端狀態(tài)（ T', d ）之間發(fā)生了沖突時，你可以將它們合并成 （ T'+d, d ）。意味著你從本地拿出delta數(shù)據(jù)，并將它和云端的數(shù)據(jù)結(jié)合起來，乍一看，這種方法可以很好的計量多個設(shè)備所收集的金幣。

看上去很可靠的方法，但這個方法在動態(tài)移動環(huán)境中難以適用：

• 用戶可能在設(shè)備不在線時存儲數(shù)據(jù)。這些改變會以隊列形式等待手機聯(lián)網(wǎng)后提交。
• 這個方法的同步機制是用最新的變化覆蓋掉任何之前的變化。換句話說，第二次寫入的變化會提交到云端（當設(shè)備聯(lián)網(wǎng)了以后），而第一次寫入的變化就被忽略了。

為了進一步說明，我們考慮一下表2所列的場景。在表2的一系列操作后，云端的狀態(tài)將是（130, +5），之后最終沖突解決后的狀態(tài)時（140, +10）。這是不正確的，因為從總體上而言，用戶一共在A上收集了110枚硬幣而在B上收集了120枚硬幣。總數(shù)應(yīng)該為250。

表2. “總數(shù)+增量”策略的失敗案例

注：x代表與該場景無關(guān)的數(shù)據(jù)

你可能會嘗試在每次保存后不重置增量數(shù)據(jù)來解決此問題，這樣的話在每個設(shè)備上的第二次存儲所收集到的硬幣將不會產(chǎn)生問題。這樣的話設(shè)備A在第二次本地存儲完成后，數(shù)據(jù)將是（ 130, +110 ）而不是（ 130, +10 ）。然而，這樣做的話就會發(fā)生如表3所述的情況：

表3. 算法改進后的失敗案例

注：x代表與該場景無關(guān)的數(shù)據(jù)

現(xiàn)在你碰到了另一個問題：你給予了玩家過多的硬幣。這個玩家拿到了211枚硬幣，但實際上他只收集了111枚。

解決辦法：

我們分析之前的幾次嘗試，我們發(fā)現(xiàn)這些策略都沒有這樣一個能力：知曉哪些硬幣已經(jīng)計數(shù)了，哪些硬幣沒有被計數(shù)，尤其是當多個設(shè)備連續(xù)提交的時候，算法會出現(xiàn)混亂。

該問題的解決辦法將你云端的存儲結(jié)構(gòu)改為字段，使用字符串+整形的鍵值對。每一個鍵值對都會代表一個包含硬幣的“委托”，而總數(shù)就應(yīng)該是將所有值加起來。這一設(shè)計的宗旨是每個設(shè)備有它自己的委托，并且只有設(shè)備自己可以吧硬幣放到其委托中。

字典的結(jié)構(gòu)是： (A:a, B:b, C:c, ...) ，其中a代表了委托A所擁有的硬幣，b是委托B所擁有的硬幣，以此類推。

這樣的話，新的沖突解決策略算法將如下所示：

本地數(shù)據(jù)： (A:a, B:b, C:c, ...)

云端數(shù)據(jù)： (A:a', B:b', C:c', ...)

解決后的數(shù)據(jù) ： (A: max (a,a'), B: max (b,b'), C: max (c,c'), ...)

例如，如果本地數(shù)據(jù)是 (A:20, B:4, C:7) 并且云端數(shù)據(jù)是 (B:10, C:2, D:14) ，這樣的話解決沖突后的數(shù)據(jù)將會是 (A:20, B:10, C:7, D:14) 。注意，你應(yīng)用的沖突解決邏輯會根據(jù)具體的場景可能有所差異。比如，有一些應(yīng)用你可能希望挑選最小的值。

為了測試新的算法，將它應(yīng)用于任何一個之前提到過的場景。你將會發(fā)現(xiàn)它都能取得正確地結(jié)果。

表4闡述了這一點，它基于表3的場景。注意下面所列的：

在初始狀態(tài)，玩家有20枚硬幣。此數(shù)值在所有設(shè)備和云端都是正確的，我們用（X:20）這一元祖代表它，其中X我們不用太多關(guān)心，我們不去追求這個初始化的數(shù)據(jù)是哪兒來的。

當玩家在設(shè)備A上收集了100枚硬幣，這一變化會作為一個元組保存到云端。它的值是100是因為這就是玩家在設(shè)備A上收集的硬幣數(shù)量。在這一過程中，沒有要執(zhí)行數(shù)據(jù)的計算——設(shè)備A僅僅是將玩家所收集的數(shù)據(jù)匯報給了云端。

每一個新的硬幣提交會打包成一個于設(shè)備關(guān)聯(lián)的元組并保存到云端。例如，假設(shè)玩家又在設(shè)備A上收集了100枚硬幣，那么元組的值被更新為110。

最終的結(jié)果就是，應(yīng)用知道了玩家在每個設(shè)備上收集硬幣的總數(shù)。這樣它就能輕易地計算總數(shù)了。

表4. 鍵值對策略的成功應(yīng)用案例

四）. 清除你的數(shù)據(jù)

在云端存儲數(shù)據(jù)的大小是由限制的，所以在后續(xù)的論述中，我們將會關(guān)注與如何避免創(chuàng)建過大的詞典。一開始，看上去每個設(shè)備只會有一個詞典字段，即使是非常激進的用戶也不太會擁有上千條字段。然而， 獲取設(shè)備ID的方法很難，并且我們認為這是一種不好的實踐方式，所以你應(yīng)該使用一個安裝ID，這更容易獲取也更可靠。這樣的話就意味著，每一次用戶在每臺設(shè)備安裝一次就會產(chǎn)生一個ID。假設(shè)每個鍵值對占據(jù)32字節(jié)，由于一個個人云存儲緩存最多可以有128K的大小，那么你最多可以存儲4096個字段。

在現(xiàn)實場景中，你的數(shù)據(jù)可能更加復(fù)雜。在這種情況下，存儲的數(shù)據(jù)字段數(shù)也會進一步受到限制。具體而言則需要取決于實現(xiàn)，比如可能需要添加時間戳來指明每個字段是何時修改的。當你檢測到有一個字段在過去幾個禮拜或者幾個月的時間內(nèi)都沒有被修改，那么就可以安全地將它轉(zhuǎn)移到另一個字段中并刪除老的字段。

【Android Developers Training】 91. 解決云儲存沖突